In diesem Modul diskutieren wir die Rolle der prädiktiven Analytik für Prävention, Diagnose und Wirksamkeit. Wir beginnen mit einer kurzen Einführung in die prädiktive Analytik und unterscheiden anschließend zwischen bevölkerungsbasierten und gezielten Interventionen. Dann erklären wir, warum und wann es sinnvoll sein kann, auf eine Diagnose zu testen, und wie Analysetools bei diesen Entscheidungen helfen können. Schließlich konzentrieren wir uns auf das Gleichgewicht zwischen Nutzen und Schaden einer bestimmten Behandlung und darauf, wie wir den Nutzen für eine Person vorhersagen können.

In diesem Modul werden wir einige Schlüsselkonzepte der Prognosemodellierung vorstellen. Zunächst wägen wir die Stärken und Schwächen der verschiedenen Studiendesigns ab. Zweitens betonen wir, wie wichtig ein angemessener Stichprobenumfang für zuverlässige Schlussfolgerungen ist. Dann erörtern wir die Probleme der Überanpassung eines Prognosemodells und der Regression zum Mittelwert. Schließlich führen wir Sie durch das beliebte Bootstrap-Verfahren und zeigen, wie es zur Bewertung der Parametervariabilität eingesetzt werden kann.

In diesem Modul konzentrieren wir uns auf die Modellentwicklung. Zunächst richten wir unsere Aufmerksamkeit auf das Problem der fehlenden Werte. Wir besprechen bekannte Mechanismen für fehlende Werte und Methoden für den angemessenen Umgang mit fehlenden Werten. Zweitens lernen wir Methoden kennen, um mit Nichtlinearität in einem Datensatz umzugehen. Anschließend befassen wir uns mit dem Thema Modellauswahl, wobei wir uns auf die Grenzen der traditionellen schrittweisen Auswahlverfahren konzentrieren. Schließlich sprechen wir darüber, wie die Einführung von Verzerrungen im Austausch für eine geringere Varianz die Qualität der Vorhersage verbessern kann. Dies kann durch den Einsatz fortschrittlicher Methoden wie LASSO und Ridge-Regression geschehen.

In diesem letzten Modul lernen wir, die Qualität eines Vorhersagemodells zu bewerten. Zunächst besprechen wir ausführlich die Standard-Leistungskennzahlen für binäre und kontinuierliche Ergebnisse. Zweitens erkunden wir verschiedene Möglichkeiten zur Validierung eines Vorhersagemodells. Wir sehen uns an, wie man sowohl die interne als auch die wichtigere externe Validität eines Modells bewertet. Als Nächstes sehen wir uns an, wie man ein Modell aktualisiert und es auf ein bestimmtes medizinisches Umfeld anwendbar macht. Wir schließen mit einem Interview, in dem wir das Potenzial der prädiktiven Analytik am Beispiel der Insel Aruba allgemeiner diskutieren.